https://repositorio.uergs.edu.br/xmlui/handle/123456789/282 Mon, 27 Apr 2026 06:26:02 GMT 2026-04-27T06:26:02Z https://repositorio.uergs.edu.br/xmlui/handle/123456789/3781 Auxílio ao diagnóstico de covid-19 com redes neurais convolucionais: análise de sons de respiração, tosse e fala Osielski, Lucas Karr A pandemia de COVID-19 trouxe desafios sem precedentes à saúde pública global, exigindo o desenvolvimento de métodos rápidos e acessíveis para diagnóstico. Este trabalho explora o uso de redes neurais convolucionais (CNNs) na detecção de COVID-19 por meio da análise de áudios de respiração, tosse e fala. Utilizando a base de dados Coswara, os áudios foram transformados em espectrogramas Mel e diferentes configurações de CNNs foram testadas. O melhor desempenho foi obtido com áudios de "contagem", otimizador Adamax e exclusão de registros assintomáticos, alcançando AUC de 0,79 e F1-score superior a 0,82. Apesar das limitações, como desbalanceamento de classes, os resultados confirmam o potencial das CNNs como ferramentas rápidas e acessíveis para o diagnóstico de doenças respiratórias. Sugere-se, para trabalhos futuros, a ampliação da base de dados, a experimentação com arquiteturas híbridas e a implementação em dispositivos móveis. Mon, 01 Jan 2024 00:00:00 GMT https://repositorio.uergs.edu.br/xmlui/handle/123456789/3781 2024-01-01T00:00:00Z https://repositorio.uergs.edu.br/xmlui/handle/123456789/3618 Redes neurais na detecção de objetos perigosos em bagagens de aeroportos Silva, Mateus Souza da Este trabalho propõe a aplicação de redes neurais convolucionais, especificamente a arquitetura YOLOv5, para a detecção de objetos perigosos em imagens de raio-X de bagagens em aeroportos. Considerando o crescimento do transporte aéreo e a necessidade de segurança aprimorada, a automatização da análise de imagens surge como uma alternativa eficaz para superar as limitações humanas, como fadiga e atenção reduzida. A pesquisa envolveu o desenvolvimento, treinamento e avaliação de modelos em diferentes configurações de datasets e experimentos, incluindo classes específicas de objetos, como armas, facas, lâminas e shurikens. Os resultados demonstraram alta precisão e recall para certas classes, como armas e shurikens, com taxas de detecção superiores a 90%. No entanto, identificou-se dificuldade na identificação de facas e lâminas, devido a sobreposições e características visuais desafiadoras. O estudo reforça a importância de datasets robustos e balanceados para otimizar o desempenho dos modelos. Conclui-se que a inteligência artificial pode ser uma ferramenta viável e promissora para aumentar a segurança aeroportuária, reduzindo riscos associados a falhas humanas e melhorando a eficiência dos processos de inspeção. Mon, 01 Jan 2024 00:00:00 GMT https://repositorio.uergs.edu.br/xmlui/handle/123456789/3618 2024-01-01T00:00:00Z https://repositorio.uergs.edu.br/xmlui/handle/123456789/3546 Sistema de automatização de aquários utilizando tecnologia fundamentada em conceitos de internet das coisas Grzesczac, Kenny Douglas Este trabalho apresenta um sistema de automatização de aquários utilizando conceitos de Internet das Coisas. O controle e monitoramento de parâmetros da água, tais como temperatura e pH, e de eventos relevantes aos cuidados do micro ecossistema podem ser realizados de forma remota, através do uso de um smartphone. O sistema é composto pelo automatizador, possuindo uma unidade controladora que processa os dados oriundos de sensores e módulos e os transmite ao servidor na nuvem. O Firebase, plataforma hospedada em servidores da Google, permite a comunicação entre o automatizador e o software embarcado no smartphone. Como resultado do trabalho realizado, o usuário pode controlar o sistema de aquecimento e de resfriamento do aquário a fim de obter a temperatura adequada à fauna e a flora; definir o tempo de funcionamento do sistema de filtragem ou de oxigenação; delimitar o tempo de exposição à iluminação artificial para melhor desenvolvimento das plantas e estabelecer a quantidade de refeições com seus respectivos horários. Fri, 01 Jan 2021 00:00:00 GMT https://repositorio.uergs.edu.br/xmlui/handle/123456789/3546 2021-01-01T00:00:00Z https://repositorio.uergs.edu.br/xmlui/handle/123456789/3323 Automatização da estimativa de biomassa de trigo utilizando aprendizagem de máquina Amorim, João Gustavo Atkinson Tradicionalmente na agricultura colhe-se manualmente uma parte da cultura, então em laboratório seca-se até sua massa manter-se constante para estimar o valor de biomassa. A agricultura de precisão busca otimizar e automatizar tarefas de campo. Este trabalho dentro da agricultura de precisão explora uma solução para estimativa de biomassa do trigo, utilizando imagens áreas e inteligência artificial. Ao longo do trabalho é explicado a implementação de modelos de regressão Linear, Árvore de decisão, Random Forest, Regressão com vetores de suporte e redes neurais artificiais para a realização de predição do valor de biomassa para cultivar de trigo do tipo Parrudo e Toruk. Estes modelos implementados são técnicas de inteligência artificial exploradas em diversas áreas como carros autômatos, medicina, recomendação de produtos, estimativa dos valores de ações entre outros. Nestes modelos, são utilizadas características extraídas de imagens capturadas com uma câmera multiespectral acoplada a um Veículo Aéreo Não Tripulado (VANT). Mostra-se também neste trabalho a necessidade da calibração dos dados para obter um resultado de maior precisão. Entre estes modelos o que obteve a melhor precisão foi o modelo de rede neural artificial proposto que teve como erro médio absoluto de 304, 66 kg ha e um R2 igual a 0,95. Tue, 01 Jan 2019 00:00:00 GMT https://repositorio.uergs.edu.br/xmlui/handle/123456789/3323 2019-01-01T00:00:00Z